Отличный
https://www.youtube.com/watch?v=5Ee_9WKJ3ZU (SEO-консультант в Polemic Digital) про поиск и SEO в 2013, 2023 и 2033 годах.
2013:
SEO после Panda update
- понижение низкокачественного контента
- понятие «отличный контент» начало обретать смысл
- Penguin в полном разгаре
- под ударом схемы ссылок и неестественные ссылки
- пенальти за чрезмерное употребление ключевых слов (переоптимизацию)
- Hummingbird update (Колибри) в сентябре
- переход от ключевых слов к темам
- Граф знаний (Knowdledge graph) в зачаточном состоянии с ограниченным влиянием на серп.
2015:
- RankBrain - фундаментальный сдвиг в подходе к поиску, первый шаг в использовании машинного обучения и ИИ (упрощенные модели)
- произошло изменение направления развития ( https://ru.wikipedia.org/wiki/Джаннандреа,_Джон пришел на смену https://ru.wikipedia.org/wiki/Сингхал,_Амит).
2018:
В марте произошло нечто важное, что осталось незамеченным в США, но оказало огромное влияние в Великобритании.
Первый "core algorithm update" - ряд новостных СМИ был понижен в выдаче.
Это был первый случай, когда ИИ-модель стала интерпретировать намерение пользователя.
С этого момента сайты были отнесены к определенной тематической области, впоследствии это стало называться
https://t.me/notjohnmu.
Мы вступили в эпоху Core Algorithm Updates.
- машинное обучение все больше стало влиять на ранжирование
- Гугл перестал полагаться на факторы ранжирования, придуманные вручную
- BERT и MUM сосредоточены на намерении пользователя и понимании длинных запросов
- каждый core update улучшал ML-модель, тренируемую на оценках рейтеров
- ML может то, чего не могут ручные алгоритмы ранжирования - Гугл вынужден был это сделать, потому что интернет хаотичен и представляет собой огромный беспорядок
- появление mobile-first индексирования начального уровня, учет HTTPS и Core Web Vitals - не настолько серьезные обновления, Бэрри их называет Social Engineering Updates, это больше публичные коммуникации и PR, чтобы вебмастера делали то, что нужно Гуглу.
2023:
- все больше разнообразия в типах контента и типах материалов, которые Гугл показывает в серпе,
а SGE - еще один слой поверх поиска
- тематический авторитет, авторство и E-E-A-T - это все выражения Графа знаний - связь сущностей между собой, структурированные данные ( http://Schema.org/) помогают в этом
- генеративный ИИ - чушь промышленного масштаба, новые модели становятся лучше и лучше, но это все еще так
- Граф знаний - решение проблемы ChatGPT и пр. в плане ИИ-галлюцинаций. Если Гугл объединит Граф знаний с LLM (большими языковыми моделями) - это будет чертовски интересный подход.
2033:
- машинное обучение и ИИ конечно же продолжат развиваться, Гугл открыл ящик пандоры и не может закрыть его
- проблема в том, что это черный ящик и инженеры Гугл не знают, как работают их собственные системы машинного обучения - нельзя открыть коробку и заглянуть внутрь
- это фундаментальная проблема не только поиска, но и общества в целом, мы будем связаны узами брака с машинным обучением и ИИ
- Бэрри не считает, что SGE заменит поиск, а LLM не сделает SEO устаревшим, это просто еще одна функция
- чем больше и лучше вы будете внедрять структурированные данные, тем больше будете пожинать плоды.
Несколько безумных прогнозов:
- не поисковые запросы, а диалоги (разговоры)
- устройства будут давать ответы до того, как вы задали запрос (предиктивный поиск)
- появятся headless-сайты без фронтенда (интерфейса) чисто как источники данных для поисковых систем.
